Proceso de cálculo de víctimas documentadas

Secuestros vinculados al conflicto armado - 1990–2018

library(verdata)

Introducción

Si es su primera vez trabajando con los datos, no está muy familiarizado con el paquete o simplemente quiere conocer más sobre el proyecto y el objetivo de estos ejemplos y el paquete verdata, consulte: https://github.com/HRDAG/CO-examples/blob/main/Introducción/output/Introducción.html antes de continuar.

En este ejemplo, se ilustrará el proceso para obtener los datos documentados de la presente violación. Específicamente, se replicará la tabla 4 de la página 11 del anexo metodológico del proyecto.

Autenticando e importando la base de datos (réplicas)

Se comienza autenticando e importando la base de datos de secuestro, esto a través de dos funciones del paquete verdata: las funciones confirm_files y read_replicates. La autenticación de los datos es pertinente dado que estos fueron publicados con la licencia de atribución 4.0 internacional de Creative Commons (CC BY 4.0). Esta licencia permite la distribución y modificación de la información. Considerando que usted pudo haber llegado a estos datos por medio de diferentes fuentes, es importante que sepa si han sido modificados o no, para lo que puede hacer uso de estas dos funciones.

La función confirm_files autentica los archivos que han sido descargados. Considerandoque cada violación tiene hasta 100 réplicas, esta función permite autenticar cada uno de estos archivos sin necesidad de leerlos a R. Esto, en caso de querer ahorrar recursos computacionales, o en caso de que no vaya a realizar su análisis con todas las réplicas. Esta función devolverá una tabla con dos columnas: una indicando la ruta del archivo y otra indicando si el archivo es igual al publicado. En caso de que al menos uno de los archivos no sea igual, la función devuelve el mensaje “Some replicate file contents do not match the published versions”.

confirmar <- verdata::confirm_files(here::here("verdata-parquet/secuestro"),
                                    "secuestro", c(1:10))

Además, la función read_replicates permite 2 cosas: leer las réplicas a R en una sola tabla (ya sea a partir de un formato csv o parquet) y verificar que el contenido de las réplicas sea exactamente igual al publicado. Cuando el argumento crash tiene su valor por default (TRUE), la función retorna un objeto (data frame) si el contenido es igual, y el mensaje “The content of the files is not identical to the ones published. This means the results of the analysis may potentially be inconsistent.” si el contenido de la base fue previamente alterado/modificado, lo que quiere decir que los análisis que el usuario realice serán inconsistentes y llevarán a resultados erróneos. Este último error significa que los datos no se han leído a R. Si por alguna razón usted quiere leer dicha información a pesar de saber que no son los mismos datos originalmente publicados, puede cambiar el argumento crash a FALSE, y, en ese caso, podrá ver los datos, junto con el mismo mensaje de advertencia.

Así, en este ejemplo trabajaremos las réplicas 1 a la 10. Usted puede trabajar con las réplicas que desee de acuerdo con los análisis que desee realizar, ya que, como se ha mencionado, esta información documentada se refiere a las víctimas que fueron registradas originalmente en las bases (y en el que algunos registros contienen campos faltantes), es decir, contrario a los ejemplos de imputación, esta documentación no cambia para ninguna réplica, por lo que si usted quiere obtener lo que las fuentes documentaron o registraron, puede optar por diferentes números de réplica y no solamente las 10 primeras que se usaron en la Comisión de la Verdad.

replicas_datos <- verdata::read_replicates(here::here("verdata-parquet/secuestro"),
                                           "secuestro", c(1:10))

paged_table(replicas_datos, options = list(rows.print = 10, cols.print = 5))

Vemos que tenemos 558 720 registros, nuestras réplicas van desde la número 1 hasta la 10. Además, nuestros datos tienen información sobre la categoría de edad de la víctima, el presunto perpetrador, el sexo, el año del hecho, la pertenencia étnica, entre otros. Sin embargo, para centrarnos en un análisis más específico, tal como el realizado para el anexo metodológico, procederemos a transformar y/o filtrar algunas variables.

Filtrando las réplicas acorde con el filtro del anexo metodológico

Siguiendo lo anterior, la función filter_standard_cev nos permite transformar o filtrar nuestra información. Por ejemplo, las víctimas que se documentaron como víctimas de la ex-guerrilla FARC-EP en años posteriores a 2016 pasaron a ser víctimas de otras guerrillas, ya que este primer grupo oficialmente dejó de existir después de dicho año, por lo que el tercer argumento será igual a TRUE (perp_change = TRUE).

replicas_filtradas <- verdata::filter_standard_cev(replicas_datos,
                                                   "secuestro", 
                                                   perp_change = TRUE)

paged_table(replicas_filtradas, options = list(rows.print = 10, cols.print = 5))

Víctimas documentadas

Después de aplicados los filtros necesarios con la función anterior, es momento de obtener la información de las víctimas documentadas por nuestra variable de interés. Estos datos son aquellos que ya se observaban en la base integrada y que en ocasiones contenían campos faltantes en algunas de las variables. Usaremos la función summary_observed para calcular dicha documentación.

Como se puede ver, los argumentos de la función son: 1) la violación a analizar; 2) los datos replicas_filtradas; 3) strata_vars, que para este ejemplo será la variable de is_conflict; 4) le sigue el argumento de conflict_filter que filtra a aquellas personas que fueron víctimas dentro del marco del conflicto armado (variable is_conflict == TRUE) o no (variable is_conflict == FALSE). Para nuestro ejemplo optaremos por dimensionar todas las víctimas documentadas vinculadas al conflicto acorde con las fuentes de información.

Esta función también incluye un argumento denominado 5) forced_dis_filter, que aplica únicamente a la violación de desaparición. Esta indica si la víctima fue desaparecida de forma “forzada” (forced_dis == TRUE) o no (forced_dis == FALSE).

También contamos con otros argumentos: 6) edad_minors_filter que filtra por víctimas menores de edad (edad_minors_filter = TRUE) documentadas por los proyectos y/o instituciones y 7) include_props que permite incluir el cálculo de las proporciones (incluyendo -si contiene- los NA) para las variables de interés (include_props = TRUE). Cabe aclarar que el número de digitos por defecto es = 2.

tabla_documentada <- verdata::summary_observed("secuestro",
                                               replicas_filtradas, 
                                               strata_vars = "is_conflict",
                                               conflict_filter = FALSE,
                                               forced_dis_filter = FALSE,
                                               edad_minors_filter = FALSE,
                                               include_props = FALSE)
## [1] "You are working with all victims (related and not related to is_conflict)"
paged_table(tabla_documentada, options = list(rows.print = 4, cols.print = 4))

Entonces, en primera instancia vemos una tabla que nos muestra la distribución de víctimas documentadas de acuerdo con su relación con el conflicto armado. Segundo, vemos 4 906 víctimas de las que no sabemos su relación respecto a este fenómeno, es decir, no sabemos si en realidad fueron víctimas dentro del marco del conflicto, por lo que en el siguiente ejemplo veremos que estas fueron objeto de la imputación estadística múltiple y que por ende estas víctimas “pasaron” a ser parte de una de estas dos categorías. Seguido de esto vemos que 4 647 personas no fueron víctimas dentro del marco del conflicto y que por ende, si usted como usuario quiere realizar un análisis relacionado netamente a este fenómeno, no es correcto incluir estas víctimas, ya que estos secuestros ocurrieron en otros contextos (de acuerdo con las fuentes que las documentaron). Pero, por otro lado, vemos que 46 319 personas sí fueron víctimas dentro de este marco (según las fuentes de información).

Por último, guardamos los resultados (en formato .parquet) en una carpeta denominada “output-documentados”, ya que esta tabla nos servirá como insumo para el cálculo de la combinación de las imputaciones (o réplicas) acorde con las reglas de combinación de Rubin.

arrow::write_parquet(tabla_documentada,
                     here::here("Resultados-CEV/Documentados/output-documentados/secuestro-is_conflict-documentado.parquet"))